Полное описание

Диагностика тяжести симптомов депрессии при помощи объяснимого искусственного интеллекта / С. Шалилех, А. О. Копцева, Т. И. Шишковская [и др.]. - DOI 10.31857/S268695432360091X. - Текст : непосредственный // Доклады Российской академии наук. Математика, информатика, процессы управления : журнал. - 2023. - Т. 514, № 2 : Специальный выпуск: технологии искусственного интеллекта и машинного обучения. - С. 242-249. - Библиогр. в конце ст. - ISSN 2686-9543.

ГРНТИ	УДК
76.29.52	616.895
28.23.25	004.85-049.8
28.23	004.8

Рубрики:
Психические болезни
Машинное обучение -- Применение
Искусственный интеллект -- Моделирование

Кл.слова (ненормированные): распознавание депрессии -- акустические признаки -- регрессия -- объяснимый искусственный интеллект
Аннотация: Эта статья представляет исследование, направленное на разработку решения на основе искусственного интеллекта для диагностики депрессии и изучение психиатрических данных с помощью объяснимого искусственного интеллекта. Авторы собрали и аннотировали новый набор аудиоданных, сформулировали задачу регрессии и изучили производительность восьми ее алгоритмов. Результаты показали, что метод ближайших соседей и случайный лес образуют группу с наиболее приемлемыми результатами. Была определена важность характеристик лучшего алгоритма регрессии и выявлены три наиболее значимые для диагностики характеристики: четвертые коэффициенты мел-частотного кепстрального преобразования, гармоническая разница H1-A1 и хрипота.
Доп. точки доступа:
Шалилех, С.
Копцева, А.О.
Шишковская, Т.И.
Худякова, М.В.
Драгой, О.В.


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -052998-011523)

Шифр в сводном ЭК: 21c6d3120738f4755ffcf23ed6f01417

Заказать
Заказ фрагмента документа ₽